Uma equipe pode adicionar uma análise de segurança à pull request e ainda precisar decidir quem vai olhar o resultado. O AI Scan torna essa separação explícita. Em 15 de outubro, o GitHub anunciou a disponibilidade geral do recurso, que complementa o CodeQL em linguagens e frameworks sem cobertura equivalente, como PHP, Shell e Terraform.

Os achados são consultivos: não fazem o check de code scanning falhar e não podem bloquear merges por requisitos de rulesets. Um merge permitido não significa que todos os sinais de segurança foram resolvidos. Para quem administra o fluxo de entrega, esse é o detalhe que merece chegar à equipe antes da ativação.

AI Scan amplia a revisão, mas não cria uma barreira automática

O recurso precisa estar habilitado junto ao code scanning. Os achados aparecem na PR com identificação de IA e podem trazer explicação e sugestão de correção. PRs originadas de forks e criadas pelo Dependabot ficam fora dessa execução.

Na análise da MnzAI Labs, o ganho potencial está em encontrar perguntas que antes não chegavam ao revisor. Pense em uma mudança de infraestrutura que combina variáveis de ambiente, comandos shell e configuração de implantação. Mesmo que a aplicação principal tenha outra linguagem, essa alteração pode introduzir um caminho de exposição que merece ser investigado.

O exemplo é uma situação de revisão, não uma vulnerabilidade demonstrada pelo lançamento. A equipe ainda precisa verificar se a entrada apontada alcança o trecho suspeito, se há controles em outra camada e qual comportamento seria afetado pela correção. Uma explicação convincente do modelo não substitui esse trabalho.

A documentação oficial esclarece que a análise acontece nas PRs, sem varredura completa do repositório ou conversão dos achados em backlog de alertas de segurança. Ela também reconhece falsos positivos. Isso delimita tanto o alcance da ferramenta quanto a interpretação de uma tela sem achados.

Cobertura e cobrança entram na decisão de ativar

A disponibilidade varia conforme propriedade e visibilidade do repositório. Repositórios públicos são elegíveis; os privados e internos de organizações exigem Code Security ou Advanced Security. A licença do Copilot não é requisito para usar o AI Scan. O consumo ocorre em Code Security AI Credits.

Há uma consequência operacional útil nos detalhes de billing: segundo a documentação, um orçamento rígido sem créditos disponíveis pode impedir novos achados. Uma equipe precisa distinguir execução sem problemas encontrados de execução que deixou de acontecer por limite de consumo.

Por isso, um piloto deveria acompanhar custo e cobertura junto da qualidade dos resultados. Contar comentários gerados pode premiar ruído. Observar quais achados levaram a mudanças justificadas ajuda a entender se o recurso está criando uma rotina de segurança ou apenas mais uma caixa de entrada.

Quem recebe o achado precisa ter uma próxima ação

As recomendações editoriais da MnzAI Labs para o início são:

  • Definir um responsável: combinar quem avalia o sinal e quando uma investigação vira condição para aprovar a PR.
  • Registrar a decisão: documentar por que o achado foi corrigido ou descartado, com evidência do código e dos testes.
  • Observar lacunas: acompanhar tipos de PR excluídos e interrupções de cobertura por configuração ou orçamento.

O Agentic Autofix atua em outra etapa, preparando propostas de correção para alertas. Não deve ser confundido com o AI Scan nem transformar um achado consultivo em autorização para alterar código sem revisão.

A pergunta para um líder de engenharia não termina em “ativamos a análise?”. Ela continua em quem recebe o resultado, como o verifica e qual evidência sustenta a decisão de integrar aquela mudança.